倾向得分匹配（PSM）在政策评估中的应用.docxVIP

倾向得分匹配（PSM）在政策评估中的应用

引言

政策评估是公共管理领域的核心环节，其目标在于科学判断政策实施效果，为政策优化与决策调整提供依据。在现实场景中，政策实施对象往往并非随机分配（如扶贫补贴仅覆盖低收入群体、教育政策优先试点特定区域），这种“选择性偏差”会导致传统统计方法（如简单回归分析）难以准确识别政策的真实效应。在此背景下，倾向得分匹配（PropensityScoreMatching,PSM）作为一种基于观测数据的因果推断方法，凭借其对选择偏差的有效控制能力，逐渐成为政策评估领域的重要工具。自Rosenbaum与Rubin于1983年系统提出PSM方法以来，其在教育、医疗、社会保障等多领域政策评估中得到广泛应用（RosenbaumRubin，1983）。本文将围绕PSM的基本原理、政策评估适用性、操作流程及实践案例展开论述，探讨其在政策评估中的价值与局限。

一、倾向得分匹配的基本原理与核心逻辑

（一）倾向得分的定义与作用

倾向得分（PropensityScore）是指在给定一组可观测协变量（如个体特征、环境因素等）的情况下，某个观测单元被纳入处理组（即接受政策干预）的概率。通俗而言，若两个个体在年龄、收入、教育水平等关键协变量上高度相似，那么他们被政策覆盖的概率（倾向得分）应趋于一致。PSM的核心思想是通过计算每个个体的倾向得分，将处理组与对照组中倾向得分相